中國是世界上最大的布匹生產(chǎn)國,布匹缺陷的識別與檢測是制約其生產(chǎn)效率與產(chǎn)品質(zhì)量的重要因素。傳統(tǒng)的布匹缺陷檢測與識別是通過人工的方式進(jìn)行的,存在受主觀影響較大、檢測效率低下等問題。近年來,隨著計(jì)算機(jī)算力的突破,深度學(xué)習(xí)技術(shù)發(fā)展迅猛,在工業(yè)生產(chǎn)的缺陷檢測領(lǐng)域已經(jīng)產(chǎn)生了越來越多的應(yīng)用。布匹缺陷檢測也應(yīng)該與深度學(xué)習(xí)相結(jié)合,以實(shí)現(xiàn)更好的識別效果與檢測精度。與常見的圖像識別與檢測場景不同,布匹缺陷圖像存在背景單一以及小目標(biāo)缺陷占比大、存在極端長寬比缺陷的特點(diǎn)和難點(diǎn)。由此,本文研究了一種基于深度學(xué)習(xí)的布匹缺陷檢測算法,本文主要研究內(nèi)容如下:1.提出了一種兩步池化算法。針對布匹缺陷圖像的單一背景,兩步池化算法可以對特征圖的背景進(jìn)行抑制,同時(shí)對缺陷點(diǎn)的特征進(jìn)行增強(qiáng)。兩步池化算法分為三個(gè)步驟:首先利用全局平均池化獲取淺層特征圖的背景近似值;然后通過設(shè)計(jì)的背景抑制函數(shù)對特征圖的背景進(jìn)行抑制,同時(shí)對缺陷點(diǎn)特征進(jìn)行增強(qiáng);最后通過最大值池化,對缺陷區(qū)域特征進(jìn)行提取。由于兩步池化算法結(jié)構(gòu)簡單,本文將其與三類經(jīng)典的特征提取網(wǎng)絡(luò)相結(jié)合,并在DAGM數(shù)據(jù)集上進(jìn)行相關(guān)的對照實(shí)驗(yàn)。結(jié)果表明,兩步池化算法能夠大大提升與背景相差較... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：92 頁

【學(xué)位級別】：碩士

【部分圖文】：

R-CNN檢測整體框架

候選框交疊情況示意圖

紋理圖像與常規(guī)情境對比圖

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的混凝土表面缺陷檢測方法[J]. 翟磊,王會峰,丁光洲,楊文光,武澤鍵.  激光雜志. 2020(06)
[2]基于Faster R-CNN的高壓電線缺陷檢測方法[J]. 金昊,康宇哲,齊希陽,洪榛.  計(jì)算機(jī)應(yīng)用. 2019(S2)
[3]紡織生產(chǎn)和紡織產(chǎn)品智能化的探析[J]. 王遠(yuǎn)進(jìn).  科技經(jīng)濟(jì)導(dǎo)刊. 2019(35)
[4]基于深度卷積神經(jīng)網(wǎng)絡(luò)的木材表面缺陷檢測系統(tǒng)設(shè)計(jì)[J]. 項(xiàng)宇杰,陳月芬,盧衛(wèi)國,潘佳浩.  系統(tǒng)仿真技術(shù). 2019(04)
[5]基于多任務(wù)深度學(xué)習(xí)的鋁材表面缺陷檢測[J]. 沈曉海,栗澤昊,李敏,徐曉龍,張學(xué)武.  激光與光電子學(xué)進(jìn)展. 2020(10)
[6]基于機(jī)器視覺的缺陷檢測應(yīng)用綜述[J]. 韓茜茜,耿世勇,李恒毅.  電工技術(shù). 2019(14)
[7]上半年我國紡織品服裝出口保持穩(wěn)定增長[J].   網(wǎng)印工業(yè). 2019(07)
[8]深度學(xué)習(xí)計(jì)算平臺發(fā)展綜述[J]. 郭喬進(jìn),胡杰,宮世杰,梁中巖.  信息化研究. 2019(03)
[9]基于深度卷積網(wǎng)絡(luò)的目標(biāo)檢測綜述[J]. 吳帥,徐勇,趙東寧.  模式識別與人工智能. 2018(04)
[10]《機(jī)器學(xué)習(xí)》[J]. 周志華.  航空港. 2018(02)



本文編號：3392340